土壤湿度是陆面水文过程的关键要素，控制着地表能量和水分的收支，其空间分布和季节变化对天气和气候模拟的影响可达数周至季节时间尺度。但是由于观测手段限制以及土壤湿度空间差异较大，在全球范围内尚无公认的准确的土壤湿度数据产品。站点观测、卫星观测由于时空代表性的问题无法满足数值模式的需要，而陆面数据同化(LDAS)等模式产品可以用于模式初始化，但受到模式结构、气象驱动数据质量等因素的影响，不确定性较大。
近期，公司袁慧玲教授课题组在土壤湿度模式产品不确定性评估研究方面取得新进展。首先，研究选取了8种国际主流的土壤湿度模式产品以及中国陆面数据同化系统产品（CLDAS），从小时、日、月、年4个时间尺度分区域、系统地评估了土壤湿度产品的可靠性和时空适用性。结果显示，不同的土壤湿度产品在8个不同的气候分区具有各自的优势，高分辨率产品在描述土壤湿度时空变化方面表现突出，温度和降水同化能够显著提高土壤湿度产品的精度（如CLDAS）。研究采用的高密度土壤湿度自动站观测（2437站）是目前中国区域研究中数量最多的参考站点，资料经过了课题组严格的质量控制流程处理。该成果以“Evaluation of nine sub-daily soil moisture model products over China using high-resolution in situ observations”为题发表于地学领域top期刊《Journal of Hydrology》（2019年影响因子为4.54）。论文第一作者为博士生陈勇，通讯作者为袁慧玲教授。
图1 土壤湿度模式产品在不同气候分区的表现
袁慧玲教授课题组进一步设计了土壤湿度模式产品的动态贝叶斯融合算法，基于土壤湿度产品的不确定性研究，综合考虑天气变化、土壤湿度记忆性等因素，改进了传统的贝叶斯融合算法，优化生成长江中下游流域高精度土壤湿度产品。结果显示，土壤湿度融合产品能够有效减小原产品集合的误差，特别是在干旱季节；融合产品的确定性检验和概率检验均优于国际产品单个成员，而且优于中国区域高精度CLDAS产品。该成果以“Sub-daily soil moisture estimate using dynamic Bayesian model averaging”为题发表于《Journal of Hydrology》，论文第一作者为博士生陈勇，通讯作者为袁慧玲教授，南京信息工程大学杨翼泽博士、河海大学孙若辰博士为合作者。
图2 动态贝叶斯融合算法研究区域
图3 动态贝叶斯算法流程实现基本框架
该系列研究受到国家重点研发计划项目（2018YFC1507405）和国家自然科学基金项目“淮河上游流域分布式水文模拟的不确定性研究（41675109）”的资助。
Chen, Y., Yuan, H., 2020. Evaluation of nine sub-daily soil moisture model products over China using high-resolution in situ observations. J. Hydrol. 588, 125054. https://doi. org/10.1016/j.jhydrol.2020.125054
Chen, Y., Yuan, H., Yang, Y., Sun, R., 2020. Sub-daily soil moisture estimate using dynamic Bayesian model averaging. J. Hydrol. 590, 125445. http://dx.doi.org/10.1016/j.jhydrol.2020.125445